بررسی عملکرد الگوریت م های سه بعدی کانولوشنال GoogleNet و AlexNet در تشخیص بیماری COVID ۱۹ به کمک تصاویر CT
Publish place: The 6th National Conference on The New Horizons in The Electrical Engineering, Computer and Mechanical
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 299
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MHCONF06_066
تاریخ نمایه سازی: 28 خرداد 1401
Abstract:
بیماری COVID ۱۹ به صورت وحشتناکی بر بیماران و سیستم های درمانی تاثیر نهاده است. عدم شناسایی بیماران مبتلا به بیماری COVID ۱۹ منجر به پخش آلودگی شده و این همه گیری و گسترش بیماری خود باعث از دست رفتن زندگی انسان های بی گناه بسیاری است. بیشترین اهمیت در درمان بیماران مبتلا به COVID ۱۹ تشخیص زود هنگام بیماری است تا مانع از بروز مشکلات بیشتر شود.تست PCR روش استاندارد طلایی است که به طور معمول در تشخیص بیماری COVID ۱۹ استفاده می شود، هرچند این روش نیز با محدودیت هایی از قبیل کمبود نیروی متخصص، زمانبر بودن، تجهیزات آزمایشگاهی پیچیده و امکان ارائه پاسخ های اشتباه همراه است، اما تصاویر CT اسکن می توانند به طور موثری آزمایش های تشخیص PCR را تکمیل نمایند. در این مقاله تشخیص بیماری COVID ۱۹ به کمک دو الگوریتم سه بعدی شبکه های عصبی کانولوشنال GoogleNet و AlexNet با استفاده از تصاویر CT بررسی خواهد شد. عملکرد مدل های پیش آموخته فوق، در بررسی تصاویر CT ، آزمایش شده و توان تشخیص هر کدام از این الگوریتم ها برای مجموعه اطلاعاتی متعارف و به مراتب بزرگ تر مشخص می شود. در این مقاله از مجموعه تصاویر سه بعدی با فرمت .nii برای ۱۰۰ بیمار و ۱۰۰ انسان سالم استفاده شد. تعداد تصاویر برای آموزش و اعتبارسنجی به ترتیب ۱۴۰ و ۶۰ تصویر بود .
Authors
زهره عربی
دانشجوی ارشد مهندسی پزشکی، دانشکده مهندسی، واحد کازرون، دانشگاه آزاد اسلامی ، کازرون
مهدی تقی زاده
استاد گروه مهندسی پزشکی،دانشکده مهندسی، واحد کازرون،دانشگاه آزاد اسلامی، کازرون